leafee98-blog/content/essays/use-cuda-in-container.md

88 lines
2.9 KiB
Markdown
Raw Permalink Normal View History

2023-06-16 03:03:40 +00:00
---
title: "在容器中使用 cuda"
date: 2023-06-16T10:18:21+08:00
tags: []
categories: []
weight: 50
show_comments: true
draft: false
---
> 由于 nvidia 包更新,导致容器所使用的 cdi 中 nvidia.com 设备相关的文件过时,突然意识到记录过程的重要性,遂此篇。
<!--more-->
## 一般安装步骤
> 本节据回忆和文档撰写,撰文时未实操,与实际可能存在出入。
在容器中使用 cuda除需要较新的驱动、可用的容器运行时podman、docker 等),还需要 [nvidia-container-toolkit](https://aur.archlinux.org/packages/nvidia-container-toolkit)。
```
pacman -S podman
paru -S nvidia-container-toolkit
```
生成 CDI 描述文件:
```
nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
```
随后即可拉取一个 [cuda 镜像](https://hub.docker.com/r/nvidia/cuda) 然后试验 cuda 是否可用:
```
podman run --rm --device nvidia.com/gpu=all docker.io/nvidia/cuda nvidia-smi -L
```
上述简述的安装逻辑在 [Installation Guide — NVIDIA Cloud Native Technologies documentation][1] 均有提到,具体请参考之。
## 当前遇到的问题
简而言之是 nvidia 驱动更新,于是就出现了下面的错误。
```
Error: unable to start container "xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx": crun: error stat'ing file `/usr/lib/libEGL_nvidia.so.530.41.03`: No such file or directory: OCI runtime attempted to invoke a command that was not found
```
错误的根源在于容器启动时使用了 `--device nvidia.com/all` (即 CDI这种方式会受到 `/etc/cdi/` 下的文件的影响,然而 `/etc/cdi/nvidia.yaml` 文件(部分内容如下)中所涉及的文件部分已经由于 nvidia 从 530.41.03-17 更新到了 535.54.03-2 而不存在,最终导致了上面的错误。
```
- containerPath: /usr/lib/libEGL_nvidia.so.530.41.03
hostPath: /usr/lib/libEGL_nvidia.so.530.41.03
options:
- ro
- nosuid
- nodev
- bind
```
既然如此,重新生成该文件即可解决问题(以下命令在 [Installation Guide — NVIDIA Cloud Native Technologies documentation][1] 中亦有提到)。
```
nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
```
## 自动化
为了避免之后再出现问题,于是创建了以下 hooks 以在 nvidia 更新时自动更新 `/etc/cdi/nvidia.yaml`,但由于刚刚更新一次 nvidia该 hook 是否正常工作尚不得而知。
```
# This file located at /etc/pacman.d/hooks/nvidia-generate-cdi.hook
[Trigger]
Operation=Install
Operation=Upgrade
Operation=Remove
Type=Package
Target=nvidia
[Action]
Description=Update cdi for container
Depends=nvidia-container-toolkit
When=PostTransaction
NeedsTargets
Exec=/usr/bin/nvidia-ctk cdi generate --output=/etc/cdi/nvidia.yaml
```
[1]: https://docs.nvidia.com/datacenter/cloud-native/container-toolkit/install-guide.html "Installation Guide — NVIDIA Cloud Native Technologies documentation"